R中xtabs和aggregate之间的na.action不一致

我有以下数据框：

x <- data.frame(A = c("Y", "Y", "Z", NA),
                B = c(NA, TRUE, FALSE, TRUE),
                C = c(TRUE, TRUE, NA, FALSE))

我需要计算下表xtabs:

A      B C
  Y    1 2
  Z    0 0
  <NA> 1 0

我被告知要使用na.action = NULL https://stackoverflow.com/questions/56237951/xtabs-counts-with-na-and-na-action-na-pass-in-r，它确实返回我需要的表：

xtabs(formula = cbind(B, C) ~ A,
      data = x,
      addNA = TRUE,
      na.action = NULL)

A      B C
  Y    1 2
  Z    0 0
  <NA> 1 0

然而，na.action = na.pass返回不同的表：

xtabs(formula = cbind(B, C) ~ A,
      data = x,
      addNA = TRUE,
      na.action = na.pass)

A       B  C
  Y        2
  Z     0   
  <NA>  1  0

但文档xtabs says:

NA动作
当它是 na.pass 并且公式有左侧（带有计数）时， 使用 sum(*, na.rm = TRUE) 代替 sum(*) 进行计数。

With aggregate, na.action = na.pass返回预期结果（并且还na.action = NULL):

aggregate(formula = cbind(B, C) ~ addNA(A),
          data = x,
          FUN = sum,
          na.rm = TRUE,
          na.action = na.pass) # same result with na.action = NULL

  addNA(A) B C
1            Y 1 2
2            Z 0 0
3         <NA> 1 0

虽然我得到了我需要的桌子xtabs，我不明白的行为na.action in xtabs从文档中。所以我的问题是：

• 的行为是na.action in xtabs与文档一致吗？除非我错过了什么，na.action = na.pass不会导致sum(*, na.rm = TRUE).
• Is na.action = NULL记录在某处？
• In xtabs源代码有na.rm <- identical(naAct, quote(na.omit)) || identical(naAct, na.omit) || identical(naAct, "na.omit")。但我什么也没看到na.action = na.pass and na.action = NULL。怎么办na.action = na.pass and na.action = NULL work?

如果不描述如何进行，很难给出规范的答案xtabs作品。如果我们逐步查看其源代码的要点，我们就会清楚地看到发生了什么。

经过一些基本的类型检查后，调用xtabs在内部工作，首先使用以下命令创建公式中包含的所有变量的数据框stats::model.frame，正是针对这一点，na.action参数已传递。

它这样做的方式非常聪明。xtabs首先复制您通过以下方式拨打的电话match.call， 像这样：

m <- match.call(expand.dots = FALSE)

然后它去掉不需要传递给的参数stats::model.frame像这样：

m$... <- m$exclude <- m$drop.unused.levels <- m$sparse <- m$addNA <- NULL

正如帮助文件中所承诺的，如果addNA is TRUE and na.action缺失，现在默认为na.pass:

    if (addNA && missing(na.action)) 
        m$na.action <- quote(na.pass)

然后它更改要调用的函数xtabs to stats::model.frame像这样：

m[[1L]] <- quote(stats::model.frame)

所以对象m是一个调用（也是一个独立的代表），在您的情况下看起来像这样：

stats::model.frame(formula = cbind(B, C) ~ A, data = list(A = structure(c(1L, 
1L, 2L, NA), .Label = c("Y", "Z"), class = "factor"), B = c(NA, TRUE, FALSE, TRUE), 
C = c(TRUE, TRUE, NA, FALSE)), na.action = NULL)

请注意，您的na.action = NULL已传递给此调用。这具有保留所有NA框架中的值。当评估上述调用时，它会给出以下数据框：

eval(m)
#>   cbind(B, C).B cbind(B, C).C    A
#> 1            NA          TRUE    Y
#> 2          TRUE          TRUE    Y
#> 3         FALSE            NA    Z
#> 4          TRUE         FALSE <NA>

请注意，如果您通过了，这与您得到的结果相同na.action = na.pass:

stats::model.frame(formula = cbind(B, C) ~ A, data = list(A = structure(c(1L, 
1L, 2L, NA), .Label = c("Y", "Z"), class = "factor"), B = c(NA, TRUE, FALSE, TRUE), 
C = c(TRUE, TRUE, NA, FALSE)), na.action = na.pass)
#>   cbind(B, C).B cbind(B, C).C    A
#> 1            NA          TRUE    Y
#> 2          TRUE          TRUE    Y
#> 3         FALSE            NA    Z
#> 4          TRUE         FALSE <NA>

然而，如果你通过了na.action = na.omit，您将只留下一行，因为只有第 2 行没有NA values.

无论如何，“模型框架”结果存储在变量中mf。然后将其分为自变量（在您的情况下为 A 列）和响应变量（在您的情况下）cbind(B, C).

响应存储在y和变量by:

        i <- attr(attr(mf, "terms"), "response")
        by <- mf[-i]
        y <- mf[[i]]

Now, by进行处理以确保每个自变量都是一个因素，并且任何NA如果您已指定，值将转换为因子水平addNA = TRUE:

    by <- lapply(by, function(u) {
        if (!is.factor(u)) 
            u <- factor(u, exclude = exclude)
        else if (has.exclude) 
            u <- factor(as.character(u), levels = setdiff(levels(u), 
                exclude), exclude = NULL)
        if (addNA) 
            u <- addNA(u, ifany = TRUE)
        u[, drop = drop.unused.levels]
    })

现在我们来到了症结所在。这na.action再次用于确定如何NA响应变量中的值将被计算在内。就你而言，自从你通过了na.action = NULL，你会看到naAct将得到存储在的值getOption("na.action")，如果您从未更改过它，则应设置为na.omit。这反过来会导致变量的值na.rm, to be TRUE:

    naAct <- if (!is.null(m$na.action)) {
        m$na.action
    }else {getOption("na.action", default = quote(na.omit))}
    na.rm <- identical(naAct, quote(na.omit)) || identical(naAct, 
        na.omit) || identical(naAct, "na.omit")

请注意，如果您已经通过na.action = na.pass, then na.rm将会FALSE如果你跟踪这段代码。

最后，我们来到了您的部分xtabs表是使用构建的sum里面一个tapply，它本身就在一个lapply.

lapply(as.data.frame(y), tapply, by, sum, na.rm = na.rm, default = 0L)

您可以看到na.rm变量用于判断是否删除NA在尝试对列求和之前先从列中取出 s。这样的结果lapply然后强制进入最终的交叉表。

那么这如何回答你的问题呢？

当文档说如果你没有通过na.action，它将默认为na.pass。但是，那na.action用于两个地方：一次在调用中model.frame并一次确定值na.rm。从源码中可以很清楚的看出，如果na.action is na.pass, then na.rm将FALSE，因此您将错过包含以下内容的任何响应组的计数NA价值观。这与帮助文件中的内容相反。

解决这个问题的唯一方法就是通过na.action = NULL，因为这将允许model.frame保留NA值，但也会导致sum函数默认为na.rm.

TL;DR的文档xtabs在这一点上是错误的。